BloodHound项目中的Self ACL权限解析与修复
在Active Directory安全评估工具BloodHound及其数据收集组件SharpHound中,近期发现并修复了一个关于Self ACL(访问控制列表)权限的重要问题。这个问题涉及到用户对自身权限的特殊控制场景,对于Active Directory安全评估具有重要意义。
问题背景
在Active Directory环境中,存在一种特殊的权限配置:允许用户将自己添加到特定安全组中。这种权限通过设置特殊的Self ACL实现,其中包含以下关键属性:
- ActiveDirectoryRights: Self
- AccessMask: 8 (对应WRITE_DAC权限)
- SecurityIdentifier: 指向用户自身的SID
这种配置在实际环境中相当常见,特别是在需要用户自助管理组成员身份的业务场景中。然而,在BloodHound 6.4.0和SharpHound v2.5.13版本中,这种权限关系无法被正确识别和展示。
技术细节分析
从技术实现角度看,这个问题源于SharpHound数据收集器对特定类型ACE(访问控制项)的处理逻辑。具体表现为:
-
当PowerView.ps1的Get-DomainObjectACL命令能够正确识别这种Self ACL时,SharpHound却无法将其转化为BloodHound可识别的边关系。
-
这种权限的特殊性在于它结合了Self权限和WRITE_DAC访问掩码,形成了一个独特的权限组合,允许主体用户修改自己在目标组中的成员身份。
-
从安全评估角度,这种权限关系非常重要,因为它实质上提供了权限提升的潜在路径 - 用户可以通过将自己添加到高权限组来提升自己的访问级别。
影响范围
这个bug影响了BloodHound对Active Directory权限关系的完整展示,可能导致安全评估人员遗漏以下重要信息:
- 用户自助加入组的权限路径
- 潜在的权限提升路径
- 访问控制矩阵中的关键边关系
解决方案
该问题已在SharpHound v2.6.7版本中得到修复。新版本改进了ACL解析逻辑,能够正确识别和处理包含Self权限的特殊ACE。升级后,BloodHound现在可以:
- 正确展示用户到组的Self ACL边关系
- 在攻击路径分析中考虑这种特殊权限
- 提供更完整的Active Directory权限图谱
最佳实践建议
对于Active Directory安全评估人员,建议:
- 及时升级到SharpHound v2.6.7或更高版本
- 在评估中特别注意Self ACL权限配置
- 定期审查允许用户自助管理组成员身份的组策略
- 将这种特殊权限纳入常规权限审计范围
这个修复显著提升了BloodHound在复杂Active Directory环境中的分析能力,使安全团队能够更全面地评估和防护权限提升风险。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C048
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0126
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00